在 Lightning AI 上定制训练 Ultralytics YOLO 模型

无论你是经验丰富的 AI 开发者，还是刚开始探索视觉 AI，拥有一个可靠的环境来试用和实验计算机视觉模型（如 Ultralytics YOLO11）都至关重要。环境是指高效设计、测试和部署 AI 模型所需的工具、资源和基础设施。

虽然许多在线平台提供不同的 AI 工具，但其中很多无法为整个 AI 生命周期提供统一环境，涵盖从数据准备到模型部署的各个阶段。这正是 Lightning AI 发挥作用的地方。作为一体化 AI 开发平台，它可以简化从数据准备到部署的整个流程。

让 AI 开发更简单的重要性在 YOLO Vision 2024 (YV24) 上得到了展示。这是由 Ultralytics 主办的年度混合活动，聚焦 AI 和计算机视觉领域的进展。Lightning AI 首席技术官 Luca Antiga 发表了题为“在 Lightning Studios 上全面使用 YOLO”的主题演讲，详细介绍了如何借助 Lightning AI 快速、顺畅地训练 Ultralytics YOLO 模型，而无需深入处理复杂的技术细节。

本文将深入介绍 Luca 演讲中的关键要点，内容涵盖从计算机视觉的实际应用，到使用 Lightning AI 训练和部署 Ultralytics YOLO 模型的现场演示。让我们开始吧！

使用 Lightning AI 和 Ultralytics YOLO 简化 AI 开发#

Luca 在主题演讲开始时分享了自己的看法，并表达了对 YOLO 模型在各个行业中影响力的认可。他强调，YOLO 模型可以应用于制造业、农业等领域。他说：“我很认可 YOLO 对开发者社区所产生的影响——这些人需要解决真实、实际的问题——这与我非常贴近。”

结合人们对 AI 训练日益增长的兴趣，他介绍了 Lightning AI。这是一个旨在让每个人都能更快速、更简单、更便捷地开发 AI 模型的平台。它尤其适合支持 AI 的迭代式进步，帮助开发者不断优化和改进模型。

图 1。 Luca Antiga 在 YV24 上远程介绍 Lightning Studios。

他还指出，Lightning AI 与 PyTorch Lightning 类似，后者是一个简化训练 AI 模型流程的框架。不过，Lightning AI 的不同之处在于，它是一个更全面的平台，为整个 AI 开发流程提供更广泛的工具和功能，而不仅仅是训练 AI 模型。

Lightning AI 的重要组成部分是 Lightning Studios。它提供了一个直观的工作区，用于设计、训练和部署 AI 模型，让整个工作流程更加顺畅、高效。你可以把 Lightning Studios 看作一个运行在云端、可复现的 AI 开发环境。例如，它提供了类似 Jupyter Notebook 的环境，可以复制并与其他开发者共享，从而改善协作。

随后，Luca 进一步介绍了 Lightning Studios 的优势：“复制你的环境不再是问题。如果你需要从 CPU [中央处理单元] 机器切换到 GPU [图形处理单元] 机器，或者在一千台机器上启动训练，你的环境都将保持不变。”

设置 Lightning Studios 以进行训练和开发#

接下来，Luca 演示了如何快速开始使用 Lightning Studios。只需点击几下，你就可以打开一个新的 studio，并使用 Jupyter Notebooks 和 VS Code 等工具和环境，所有内容都已设置完毕，可以直接开始编码。他展示了在不同机器之间切换是多么简单。如果当前任务需要更强的计算能力，你可以轻松地从 CPU 切换到性能更强的 GPU。GPU 只会在使用期间保持运行状态，否则会进入休眠模式，从而节省你的额度。

Luca 还提到了使用 Studio Templates 的好处。它们是由社区预先制作的 AI 编程环境，你无需进行任何设置即可使用。为 AI 项目设置环境可能耗时较长，而 Studio Templates 可以帮助提高生产力。这些环境预先加载了 AI 项目所需的一切内容，例如已安装的依赖项、模型权重、数据和代码等。

图 2。 Luca 解释 Studio Templates 的含义。

在 Lightning Studios 上训练 Ultralytics YOLO 模型#

随后，Luca 进入现场演示环节，重点展示了如何使用 Lightning Studio 训练 Ultralytics YOLO 模型。他打开了一个 Studio Template，其中已经安装了所有依赖项，并启动了一台配备四个 GPU 的机器，以加快训练过程。关于数据，他表示，你可以选择将数据直接存储在机器上，也可以从云端流式传输数据，从而让训练过程更快速、更高效。

几秒钟内，机器就准备就绪，Luca 很快启动了训练任务。演示期间，一个小问题导致机器意外停止，但 Lightning Studios 无缝地从中断处恢复，确保没有丢失任何进度。Luca 指出，即使发生意外中断，这种可靠性也能支持顺畅的工作流程。

演示继续进行时，他展示了如何使用 TensorBoard 监控训练进度。TensorBoard 是一个用于实时可视化机器学习指标的工具。Lightning Studio 通过自动生成 URL 让这一过程更加简单，你或同一工作区中的队友无需额外设置即可访问 TensorBoard 视图。这简化了协作，并确保所有人都能掌握相同的信息。

图 3。在 Lightning Studios 上训练 Ultralytics YOLO 模型的流程图。图片由作者提供。

使用 LitServe 部署 Ultralytics YOLO 模型#

演示结束后，Luca 将演讲重点转向 Lightning AI 最近推出的新项目 LitServe。LitServe 简化了将训练好的模型转化为可扩展服务、供他人使用的过程，无需复杂的部署流水线。它旨在以极少的工作量完成从模型打包到部署的全部流程。

为了实时展示这一过程，Luca 使用一个预训练的 Ultralytics YOLOv8 模型进行了快速演示。他创建了一个简单的 API，用于处理传入请求，并在几秒钟内返回图像预测结果。这意味着任何人都可以通过图像调用该 API，并几乎即时获得计算机视觉任务（如目标检测）的结果。在后台，Ultralytics YOLOv8 模型作为服务运行，高效处理请求、分析图像，并以极低的延迟提供预测结果。

图 4。 Luca 在 YV24 上展示 Lightning AI 的 LitServe。

他对一张披萨图片进行了推理，Ultralytics YOLOv8 成功识别出披萨、勺子和餐桌等物体。他解释说，第一次请求由于“冷启动”会稍微耗时一些，但系统预热后，后续请求的速度会快得多。

随后，Luca 问道：“如果我想让外部世界访问它呢？”他介绍了 API Builder 插件如何简单地将模型转化为在线、可用于生产环境的服务。借助自定义域名、增强安全性和无缝集成等功能，你可以轻松让任何人访问你的模型。

使用 Lightning Studios 的主要优势#

在演讲总结部分，Luca 谈到了 Lightning Studio 在 AI 开发方面的可扩展性和灵活性。他提到，该平台可以在多台机器上训练模型，扩展至 10,000 个节点，并通过容错训练在发生中断后自动恢复。

例如，如果 GPU 集群上的训练任务因硬件问题或服务器重启而中断，Lightning Studios 会确保流程从中断处准确恢复。这使其非常适合大规模 AI 项目，例如在 ImageNet 或 COCO 等海量数据集上训练深度学习模型。

以下是 Luca 谈到的 Lightning Studios 的其他一些主要优势：

• 每月免费 GPU 额度：用户每月可获得 15 个免费 GPU 额度，并会自动补充，确保你无需额外成本即可进行实验和开发。
• 增强协作： Lightning Studio 的共享团队空间和可复现环境让团队成员能够无缝协作，确保各个项目之间保持一致性和高效性。
• 灵活的实例选项：它让你可以灵活选择可中断或不可中断的实例，从而通过可中断选项节省 GPU 机器的成本。
• 与现有工具集成：该平台集成了 SSH [安全外壳] 和 VS Code 等远程开发工具，让你可以灵活地在本地或云端工作。

要点总结#

Luca 在 YV24 上的主题演讲强调了 AI 与 Ultralytics YOLO 模型、Lightning AI 等工具结合后，正在改变我们解决现实问题的方式。它们让开发者更容易训练和部署针对各个行业特定问题而设计的模型。

他展示了 Lightning Studios 如何让整个开发过程更快速、更便捷，使开发者能够轻松创建强大的解决方案。在 Lightning AI 等尖端平台的核心，计算机视觉模型正在改变 AI 解决方案应对挑战的方式。尤其是借助最新的 Ultralytics YOLO11 模型，开发者可以构建产生实际影响的解决方案。

加入我们的社区，及时了解 AI 及其实际应用。查看我们的 GitHub 仓库，探索自动驾驶中的 AI和医疗保健中的计算机视觉等领域的创新。